機械学習・ディープラーニングのための基礎数学講座

機械学習・ディープラーニングのための基礎数学講座

前提知識不要レベルから機械学習の理解に必須の数学の基礎レベルまでまとめて学習

スキルアップAIの基礎数学講座は、高校数学レベルからはじめ、機械学習に関する書籍の基本的数式が理解できるレベルまでのスキル習得を目指します。全6日程を修了すると、機械学習の技術書を通読できる基礎体力が身につきます。

講座の特長

全6回で確実に習得する!

単発講座だとどうしても”分かったつもり”で終わりがちです。2ヶ月に及ぶ講座は、演習ありで、確実に基礎スキルを身につけることが出来ます。

前提知識は不要で学べる!

基礎の基礎から始めるので、高校数学が不安な方でも、大丈夫です!数学が機械学習・ディープラーニングのどこで使われているかに触れながら説明します。

E資格出題範囲対応!

日本ディープラーニング協会のE資格出題範囲の数学に対応しています。

本講座で得られる知識/スキル

  • 自力で機械学習の技術書を読み進められるようになります!
  • 機械学習モデルのチューニング方針を立て、理論的に説明することができます!
  • E資格の数学分野で高得点を取得できるだけの力が身につきます。(別途、応用数学講座の情報理論の受講もお薦めいたします)

講座概要

講座名 機械学習のための基礎数学講座
講座時間

『微分・線形代数』・『確率・統計』セット
●対面講座 
36時間(1回3時間×全12回)
オンライン講座
24時間

料金
●対面講座 基礎数学講座セット
¥160,000/1名(税別)
●オンライン講座 基礎数学セット
¥160,000/1名(税別) 
定員(対面) 20名(最少催行人数10名)

※開講日の2週間前までに最少催行人数に満たない場合には、講座の開催を中止する場合がございます。
中止の際には、開講日の10日前までにメールにてご連絡いたします。

 

カリキュラム

微分・線形代数確率・統計

Day1【様々な関数の微分】

  • 関数・合成関数・極限
  • 平均変化量・微分の定義
  • 様々な関数の微分(多項式・三角・指数・対数)
  • 積と商の微分

Day2【微分の応用・偏微分】

  • 極値・高階微分
  • 導関数と増減表
  • 関数の概形
  • 偏微分

Day3【線形代数の基礎・2次形式】

  • ベクトル・ノルム・内積・行列・行列式・逆行列・転置・和積
  • 2次形式

Day4【固有値・特異値・疑似逆行列】

  • 固有値・固有ベクトル・対角化・特異値

Day5【ベクトル・行列の微分】

  • 微分の復習
  • スカラー・ベクトル・行列周りの微分

Day6【機械学習における微分・線形代数】

  • 最小二乗法・勾配降下法・復習

Day1【数学的準備・資料の活用】

  • 階乗・順列・組み合わせ
  • シグマ計算
  • 平均・中央値・最頻値・レンジ・分散・標準偏差・共分散・相関係数・正規化
  • 量的/質的データ
  • 変数の尺度
  • 度数分布表・ヒストグラム・散布図・箱ひげ図

Day2【確率】

  • 試行・事象・標本空間・確率の定義・相対度数
  • 和・積・排反・余事象・加法定理
  • 周辺確率・条件付確率
  • 乗法の公式・ベイズの定理(事前確率・事後確率・ベイズ更新)
  • 条件付確率の連鎖測
  • 独立・条件付き独立

Day3【離散型確率分布】

  • 離散型確率分布とは?
  • 離散一様分布・ベルヌーイ分布・二項分布・ポアソン分布

Day4【連続型確率分布】

  • 連続型確率分布とは?
  • 連続一様分布・正規分布・標準正規分布
  • 標準正規確率表・指数分布
  • 指数分布とポアソン分布の関係

Day5【統計学の諸定理】

  • 極限
  • 中心極限定理
  • 二項分布の正規近似
  • 二項分布のポアソン近似

Day6【確率過程】

  • 確率過程の定義
  • ランダムウォーク
  • ポアソン過程
※カリキュラムは変更となる場合がございます。

開催日程

NEW【重要なお知らせ】新型コロナウィルスの感染拡大に伴う対応
4月以降の対面講座は、新型コロナウィルス感染予防対策としてライブ配信講義も実施します。
詳細はこちらをご覧ください。

東京オンライン

東京 第5期 

微分・線形代数

DAY1:05/30(土)10:00 〜 17:00
DAY2:06/06(土)10:00 〜 17:00 
DAY3:06/13(土)10:00 〜 17:00 

確率・統計

DAY4:06/20(土)10:00 〜 17:00
DAY5:06/27(土)10:00 〜 17:00 
DAY6:07/04(土)10:00 〜 17:00 

※全12回を6日で実施する集中コースです。


場所:スキルアップAI 水道橋オフィス
東京都千代田区神田三崎町3-3-20 VORT水道橋Ⅱ 5階


オンライン講座 ※随時申込可

お支払い確認後、3営業日以内に講義動画の視聴方法をご案内いたします。
※動画視聴期限は、動画共有日から1年間となります。

2019年12月3日『機械学習・ディープラーニングのための基礎数学オンライン講座』が1年半振りに大幅リニューアルしました。

数学知識ゼロのレベルから機械学習の基礎を数式的に理解できるレベルまでを詳細に解説した内容で、演習問題も100問以上ありますので、能動的に取り組んでいただけます!
また、視聴期限は1年に大幅延長し、機械学習やディープラーニングの学習と並行していつでも学習いただけるようになりました。
 

講師紹介

    • 明松 真司

      明松 真司

      東北大学理学部数学科卒業。その後、個人事業を経て、高専向け学習塾「ナレッジスター」の経営などを行う教育特化型企業「合同会社Haikara City」を創業。現在、高専教育、社会人向けIT教育、WEB教育コンテンツの発信等を主に行う。著書「線形空間論入門」(プレアデス出版)。現在は、画像解析システムの研究開発企業に対して、機械学習、DeepLearningに関する数理コンサルティング、数学指導なども行う。

    • 森田 大樹
      森田 大樹

      東京工業大学情報理工学院修了。大学院時代は数理モデリングの手法を用いた脳神経科学の研究に携わる。 大手インターネット企業でマルチビッグデータシステムの開発・運用業務に従事した後、個人事業主として独立。現在SkillUpAI講師と並行し、MoneyForwardLab特別研究員として金融系データの解析業務を行う。2018年、ショウジョウバエ大規模ニューラルネットワークの数理モデリングの分野でIEEE Computational Intelligence Society Japan Chapter Young Research Award受賞。

ご案内

PCの動作環境

・MacOSX 10.9 以上
・Windows 8 以上(64bit必須)
・メモリ4GB以上必須)
※4GB未満でも受講して頂くことは可能ですが、大きなデータを扱う演習の際に不具合が発生する可能性があります。
メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。

事前準備 (確率統計のみ)

予習は不要です。最新のAnaconda3-2019.03以降をインストールし、ブラウザでJupyterNotebookを表示できる状態まで事前に準備お願い致します。
※各自で必ず当日までに環境構築をお願いいたします。 環境構築等でご不明な点等あれば、事前にご連絡いただければご案内します。

当日の持ち物

・ご自身のノートPC
・筆記用具
・5枚程度の紙

会場への入場

講義開始の10分前

よくあるご質問

基礎数学講座は機械学習に役立ちますか?

機械学習を学ぶ上で、最重要と言っても過言ではありません。人工知能はコンピューター上(数式)で知能を表現するという試みである以上、数式の理解なくしては理解は難しいと考えています。

前提知識はどくれくらい必要ですか?

本講座は、関数とは?といった内容から扱います。四則演算、分数などが理解できれば、キャッチアップは可能です。

どれくらいの頻度で開講しますか?

東京ではおおよそ2ヶ月に1度開講予定です。

宿題はどれくらい出ますか?

毎回1時間〜3時間程度、講義の理解を定着させるような宿題を出させていただきます。

領収書・請求書などの発行は可能ですか?

はい、可能ですので、お申し込み時の備考にその旨と宛名をご記入ください。但し、クレジットカード(Paypal)でお支払いの場合、PayPal発行の受領書が領収書となりますので、領収書の発行はできません。

申込締切はいつですか?

開催日(対面講座)の3日前までです。3日前までに、お支払い済みである事が確認できている必要があります。

開催日程に記載されている予備日とは何ですか?

気象状況や講師の体調不良などにより講座を延期をさせていただくことがあるため、予備日を設けております。予定通り授業が開催された場合には、予備日に授業を行うことはございません。

 

受講者の声

  • 今日の達成目的が最初に明示されており、かつディープラーニング向けに使えるように噛み砕いて記載されているため、非常にわかりやすいです。
  • 数学は苦手だったのですが、取り掛かることができました。
  • 単に微分積分の説明だけでなく、機械学習に使用される用途を深く理解することができたと思います。
  • 市販のテキストより非常に分かりやすく、講師の方の説明も段取り良く、徐々に機械学習の理論が習得できました。

関連する講座

Page Top
お申し込みはこちら